绿松石的有机充填处理由来已久, 浸胶(丙烯酸酯类)、 注胶(环氧树脂类)两种充填方式已有大量研究, 冻胶(丙烯酸酯类)作为一种较新的充填方式, 研究基础较为薄弱。 以天然绿松石原料及其对应冻胶充填后的绿松石为研究对象, 结合处理所用冻胶材料, 通过常规宝石学测试、 红外光谱测试、 三维荧光光谱测试、 紫外-可见吸收光谱测试等测试技术, 对冻胶充填前后绿松石的宝石学特征和谱学特征进行系统的对比分析研究。 结果显示: 冻胶充填后, 绿松石的颜色和致密度得到明显提升, 表面有胶质物残留及白色“松花”现象, 冻胶充填绿松石在长波紫外灯下显示弱-中等的蓝色荧光, 短波下显示弱荧光, 胶质物残留位置发光明显, 而绿松石原料在长短波下均呈惰性; 冻胶原液的红外光谱显示CO伸缩振动峰［(1 722±5) cm-1］、 C-O伸缩振动峰［(1 156±5) cm-1］、 CC伸缩振动峰［(1 637±5) cm-1］, 还出现了苯环结构和C-OH的吸收峰, 表明其主要成分可能为含有苯环、 羧酸、 醇等结构的化合物与甲基丙烯酸酯的共聚物; 冻胶充填绿松石的红外光谱中出现了与冻胶原液对应的有机基团吸收峰, 可有效鉴别充填绿松石与原料; 三维荧光光谱测试显示: 绿松石原料在整个激发波长范围内没有出现明显的荧光中心, 冻胶充填绿松石均出现了发射波长在465、 445和410 nm附近的特征荧光中心, 激发波长范围为360～400 nm, 与冻胶原液的荧光中心相对应, 说明荧光由胶质物导致, 可作为冻胶充填的重要证据; 绿松石原料和冻胶充填绿松石的紫外-可见吸收光谱均符合天然绿松石的吸收特征, 说明冻胶充填过程中未添加有机染剂。

乳腺癌是世界上对于女性非常危险的疾病, 其患病率逐年增长, 是世界妇女死亡的主要原因。 在大样本情况下, 乳腺癌临床诊断受优质医疗资源相对短缺的限制, 诊断周期长、 检测费用高。 因此, 高效、 准确、 性价比高的乳腺癌诊断方法具有广阔的应用前景, 为临床诊断迫切需求。 荧光光谱检测是一种可以表征细胞中物理和化学综合变化的方法, 可用于表征正常和癌变细胞的特征。 机器学习擅长从大量数据中挖掘有用信息, 是进行分类和预测的有效手段。 以往机器学习多使用包含部分生化信息的数据库训练模型, 易导致信息缺失。 荧光光谱是细胞多种物质的叠加光谱, 使用荧光光谱特征峰诊断乳腺癌存在量化不确定性问题。 因此, 提出了机器学习结合乳腺癌样本荧光光谱的诊断方法。 使用405 nm波长的激光, 采集了正常和癌变乳腺组织(已做出病理诊断)的荧光光谱数据, 以此作为数据集, 比较了K-近邻(KNN)、 支持向量机(SVM)、 随机森林(RF)三种算法对正常和癌变乳腺组织荧光光谱的分类能力。 判别结果显示: 与SVM算法相比, KNN和RF算法的准确率更高、 平衡召回率和精度的能力更强, 对乳腺癌荧光光谱的分类能力更好, 其准确性、 召回率、 精度以及F1-score函数结果均在95%之上, 更利于乳腺癌的诊断。 进而探讨了权重KNN(WKNN)算法对正常和癌变乳腺组织荧光光谱的分类能力。 WKNN较KNN算法的分类评估结果有小幅度提升, 且具有更好的抗噪和适应能力, 算法简单。 综上所述, 本文提出的机器学习结合荧光光谱的乳腺癌诊断方法, 精度高、 速度快、 性价比高, 是未来乳腺癌诊断方法的发展方向, 具有重要的临床应用价值。

我国四川绵阳平武县虎牙乡雪宝顶矿区产出一种晶形完整、 颗粒大, 颜色稀少的橘黄色调白钨矿, 受到宝石及矿物晶体收藏者们的青睐。 以5颗雪宝顶白钨矿样品为研究对象, 采用常规宝石学仪器、 傅里叶变换红外光谱仪、 紫外-可见分光光度计、 激光显微共聚焦拉曼光谱仪、 荧光光谱仪等进行测试, 旨在厘清该产地白钨矿的主要宝石学特性。 测试结果表明, 白钨矿的指纹区红外吸收处于440 cm-1处和800~900 cm-1范围内（806、 817、 856、 867 cm-1）——分别归属于［WO4］2-四面体基团的面外弯曲振动和反对称伸缩振动, 此外在2 000~3 000 cm-1的官能团区可见和水相关的明显吸收峰。 拉曼光谱测试表明, 位于911 cm-1的主峰归属于［WO4］2-的ν1对称伸缩振动; 位于797 cm-1处的峰归属于［WO4］2-的ν3非对称伸缩振动; 位于332 cm-1的峰和400 cm-1附近的弱峰归属于［WO4］2-的ν2面外弯曲振动; 位于211 cm-1附近的弱峰是由（Ca—O）的平移模式导致。 紫外-可见分光光度计测试结果表明, 该产地白钨矿深橘黄色调与584、 588、 682、 743、 750、 803和874 nm处的吸收有关, 可能与稀土元素Pr和Nd的混合物“didymium”的存在有关。 三维荧光光谱表明无色与深橘黄色调白钨矿样品的荧光主峰数量相同, 峰位相近, 均位于λex235 nm/λem455 nm, λex250 nm/λem490 nm和λex265 nm/λem523 nm附近。 浅橘黄色调样品除了上述荧光主峰以外还出现λex250 nm/λem425 nm附近荧光峰。

随着经济发展对石油资源需求量的不断增大, 各种石油污染问题日渐严重, 对生态环境及人类健康造成巨大威胁。 因此, 准确识别及时处理油类污染物对减轻溢油危害具有重要意义。 石油是一种复杂的有机化合物, 主要由较强荧光特性的芳香烃成分及其衍生物组成, 不同类型的石油所含多环芳烃的成分和含量不同, 三维荧光光谱3D-EEM在石油污染物的检测领域应用十分广泛。 基于三维荧光光谱技术, 采用BP神经网络结合自加权交替三线性分解（SWATLAD）算法对油类污染物进行定性定量的研究。 实验以0#柴油、 95#汽油和煤油为研究对象, 首先, 使用F-7000荧光光谱仪采集待测样品的光谱数据, 对得到的数据进行激发、 发射校正和去散射处理。 其次, 为解决小波阈值去噪阈值处信号不连续和过度收缩小波系数带来的难以准确还原真实信号的问题, 提出了一种改进的阈值函数, 去噪后的信噪比（SNR）和均方误差（MSE）分别为18.354 7和10.261 7, 更为真实的还原有用信号。 并通过基于误差反向传播的BP神经网络对预处理后的光谱数据进行训练, 训练后预测值与真实值的曲线拟合度较好, 表明后续经光谱仪采集的荧光数据直接输入神经网络即可输出预处理好的待测数据, 简化了实验操作步骤。 最后, 采用SWATLD对经小波变换和BP神经网络处理后的数据进行分解, 解析得到的0#柴油、 95#汽油和煤油的激发与发射光谱与真实光谱拟合度较高, 计算平均回收率分别为103.64%、 99.33%和97.85%, 经验证, 三维荧光光谱结合改进小波变换和BP神经网络的方法可以对荧光物质进行快速、 精确检测。

镍基单晶高温合金是含有10~15种元素的复杂合金, 具备优良的高温强度和耐腐蚀性。 目前, 先进燃气涡轮发动机的涡轮部件几乎都采用空心结构的单晶叶片。 叶片服役过程中要承受超过其熔化温度数百摄氏度的高温和巨大离心应力, 是工况条件最为恶劣的航空零件, 被誉为“工业王冠上的明珠”, 研制发展更耐高温的叶片材料以及改进叶片的冷却技术是提高涡轮进口温度的关键手段。 新一代的单晶叶片中添加大量难熔元素（如Ta, W和Re等）用来提高承温能力, 但这些元素在凝固过程中存在严重的枝晶偏析, 导致组织内成分分布不均匀。 通常采用复杂的多级热处理来溶解非平衡组织, 减小偏析。 枝晶间成分的详细表征对优化热处理工艺和叶片设计具有重要的意义。 微束X射线荧光光谱是一种无损检测技术, 制样简单, 无需镀导电膜, 可对样品进行多元素同时检测, 多用于生物和考古领域, 定量表征成分复杂的金属材料存在一定困难, 应用案例较少。 单晶高温合金具有特殊的十字枝晶组织, 尺寸约为几百微米, 微束X射线荧光光谱可以满足单晶叶片枝晶成分的详细表征和大区域面积的成分分布定量统计需求。 本实验基于微束X射线荧光光谱技术, 建立了镍基单晶高温合金枝晶成分定量统计分布表征方法, 并应用于新型单晶涡轮叶片的全域枝晶组织成分定量分布表征, 探讨了单晶涡轮叶片叶冠到榫头的成分演变规律, 获得了不同部位主元素的一次偏析比和二次偏析比。 结果表明, Re, W和Ta元素偏析严重, 随着叶片截面尺寸的增加及与冷却铜盘距离的增加, 叶片叶冠到榫头各元素的偏析程度降低; Cr, Co和Mo元素偏析比接近于1, 偏析变化不明显, 分布较均匀。 通过对单晶叶片枝晶成分的定量统计解析, 获得了单晶叶片成分的演变规律, 为叶片的设计和凝固工艺的改进提供数据支撑。

金属有机骨架材料（MOFs）是一类高比表面积、 结构多样性、 可修饰性较强的无机配位多孔骨架材料, 在挥发性有机化合物的吸附、 传感等领域有巨大应用前景。 新鲜度的评价对于肉类工业发展具有重要意义, 肉类在品质劣变时会产生挥发性物质, 是指示其新鲜度变化的灵敏的信息。 据此, 研究制备了一种基于荧光传感的冷鲜猪肉新鲜度指示MOFs复合膜, 并且依据膜对劣变挥发性化合物的响应信息、 对应猪肉样品的新鲜度指标（TVB-N值）建立PLS定量分析模型, 证实其有望成为冷鲜肉品质劣变监测的新技术。 主要结论如下: 以六水硝酸锌∶对苯二甲酸=2∶1的比例, 并向其中添加浓度为2×10-3 mol·L-1的罗丹明B, 制备得到RhB@MOF-5, 并对其进行表征。 根据RhB@MOF-5吸附冷鲜猪肉劣变气味前后的红外光谱变化, 推测其中可能有胺类物质。 之后以MOF∶PVDF(w/w)=4∶5的比例按照混合基质法制得MOFs复合薄膜。 并通过贮藏期实验验证了MOFs复合膜的贮藏稳定性, 证明其能在4 ℃避光环境中维持至少60 d的荧光稳定性。 此外, 利用MOFs 复合膜结合荧光传感技术对冷鲜猪肉整个劣变期间的挥发性化合物进行吸附、 响应, 观察其荧光性质的变化。 同时采用三维荧光技术观察到吸附后MOF-5相关峰和罗丹明B相关峰强度减弱, 分析是由胺类物质引起的罗丹明B电子云改变, 从而产生荧光猝灭。 采集激发波长340 nm处的表面荧光光谱可同时得到两个发射波长分别为435nm和550nm的特征峰与TVB-N值的响应信息, 使用偏最小二乘算法（PLS）建立新鲜度指标（TVB-N）预测模型, 建模结果R2c为0.908, R2p为0.821, RMSEC和RMSEP分别为3.435和3.647 mg·(100 g)-1, 具有良好的预测精度。 表明功能化MOFs复合膜可用于冷鲜猪肉的新鲜度预测。

黄瓜白粉病是一种传播速度快、 发生频率高的蔬菜病害, 一旦爆发将对产量产生严重的打击, 因此对黄瓜白粉病的识别与尽早防治具有重要的意义。 采用便携式光谱仪采集了黄瓜叶片的近红外光谱反射率曲线与荧光光谱强度曲线, 采用LI-6400光合作用测量仪测量叶片的光合速率, 并采集了叶片的图像信息。 首先, 采用图像分割技术对白粉病进行等级划分; 其次, 对净光合速率与光谱之间进行相关性分析; 最后, 利用定性分析以及定量预测两种方法, 结合黄瓜患白粉病叶片及健康叶片的光合速率指标建立白粉病检测模型。 从分析结果可知, 利用二值化将黄瓜叶片区域作为感兴趣区域(ROI)分割出, 根据R-G-B与L*a*b*色彩空间中颜色的差异可以有效提取白粉病斑面积; 通过皮尔逊相关性分析光合速率与光谱之间的相关性强度, 得到光合速率与光谱具有较强的负相关, 并且随着反射率及光谱强度的增高, 相关性减弱, 表明采用光谱及相关性较大的波段对光合速率进行预测具有可行性; 经过准确率比较, 选择集成学习(ensemble learner)中的子空间判别(subspace discriminant)算法对定性模型进行最终分析, 得到近红外光谱模型更加稳定, 识别准确率更高; 采用偏最小二乘回归模型(PLSR)进行定量预测, 通过比较7种不同的预处理方法, 验证得知MSC预处理可以有效去除光谱干扰信息, 其中近红外光谱模型R2更高, 且RMSEP＜RMSEC。 预测值与实际测量值对比可知, 近红外光谱模型得出的预测值与实际测试值更相近, 且健康样本与患白粉病样本区分明显, 表明该模型具有更高的鲁棒性。 结果表明, 利用近红外光谱与光合速率指标相结合建立的模型以及图像识别系统可以实现对黄瓜白粉病的快速识别与病情分级, 为黄瓜病害诊断提供了方法和参考依据。

在轻元素自身和实测元素间的特征X射线相互影响之下, 受仪器能量分辨率的制约, 实测Ｘ射线荧光光谱会产生严重重叠。 以色谱分离度Rs判定谱峰重叠程度, 针对Rs低于0.3的重叠峰, 提出一种解析EDXRF光谱的新方法, 并对模拟Ｘ射线荧光光谱进行了新方法的验证。 首先, 详细介绍基于四阶导的峰锐化法和提出误差小波变换。 通过仿真结果发现: 当Rs=0.27时, 两种方法皆不能单独实现重叠谱峰的解析与识别; 然而, 原始信号在四阶峰锐化法处理后保留了峰位特征的同时, 还出现了Rs明显增大的有利现象。 因此, 只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理, 再对锐化后的信号进行误差小波变换, 结果实现了对模拟重叠峰的分解, 证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。 对两组重叠谱峰采用叠加的高斯函数进行模拟, 分别是Mn的Kβ能量峰与Fe的Kα能量峰的重叠光谱(Rs=0.19)以及Al的Kα能量峰与其Kβ能量峰的重叠光谱(Rs=0.11)。 用新方法对谱线进行处理, 实现了重叠峰分解, 结果表明针对极低分离度的重叠谱峰该方法具有可行性。 通过锐化误差小波对实测的EDXRF光谱进行解析, 通过对三组数据解析特定三种低分离度重叠峰进行对比实验, 均成功解析与识别了低分离度的重叠谱峰。 结果表明: 针对极低分离度的重叠谱峰, 锐化误差小波变换可以有效分解, 具有突破性, 实用性和创新性。

为了解决传统的荧光光谱采集系统与光探测磁共振(optically detected magnetic resonance，后文简称ODMR)光谱采集系统存在的搭建繁琐、检测样品聚焦精度较低、采集系统之间转换困难以及ODMR光谱采集信号信噪比和采集精度较低的问题，设计了基于光纤传感的荧光采集与ODMR光谱采集转换系统。通过光纤将激发光源电路、微波传感天线、光纤传感器、显微聚焦光路、PD(photodetector)放大电路、信号处理模块以及荧光光谱仪各模块进行耦合集成，为信号处理的软件提供硬件部分支持。在软件部分，通过开源程序编写实现信号数据处理以及光谱成像功能，利用PD放大电路对数据进行初步处理之后，在软件部分通过信号处理模块进行进一步处理，数据以图谱形式呈现，并且最终磁灵敏度达到0.51nT/Hz1/2。

土壤作为多环芳烃类有机污染物的主要环境归宿，使用传统色谱和荧光光谱分析方法对残留在其中的多环芳烃进行检测常存在局限性，难以满足动态快速监测土壤污染状况的实际需求。为了实现对土壤多环芳烃的快速检测，设计搭建255 nm紫外LED诱导荧光光谱检测系统，以?、荧蒽、菲和芘4种多环芳烃为研究对象，探讨了不同土壤类型中多环芳烃的LED诱导荧光特性，验证了LED诱导荧光快速检测方法应用于土壤多环芳烃污染物检测的可行性。实验结果表明，在一定的浓度范围内，标准黄土、高岭土中多环芳烃在特征荧光峰处的荧光强度与浓度均呈现出良好的线性相关性（R²>0.98）。在对受多环芳烃污染的实际土样进行检测时，通过建立定点波长浓度反演模型来实现对多环芳烃浓度的定量分析，测试集浓度预测的相对误差基本在理想范围内，对不同多环芳烃土样的平均相对误差最大不超过15.5%。